以下內(nèi)容來自小六的機器人SLAM學(xué)習(xí)圈知識星球每日更新內(nèi)容

?Ground-Challenge: 針對地面機器人的角落案例（corner cases）的多傳感器SLAM數(shù)據(jù)集?

【Ground-Challenge: A Multi-sensor SLAM Dataset Focusing on Corner Cases for Ground Robots】

?騰訊Robotics X實驗室?

文章鏈接：http://arxiv.org/abs/2307.03890

開源鏈接：GitHub - sjtuyinjie/Ground-Challenge

? 高質(zhì)量的數(shù)據(jù)集可以加快SLAM研究的突破，并揭示其潛在的發(fā)展方向。為了支持視覺SLAM系統(tǒng)中角點情況的研究，本文提出了Ground - Challenge：一個具有挑戰(zhàn)性的數(shù)據(jù)集，該數(shù)據(jù)集包含36條具有不同角點情況的軌跡，如激烈運動、嚴(yán)重遮擋、光照變化、紋理較少、純旋轉(zhuǎn)、運動模糊、車輪懸浮等。該數(shù)據(jù)集由包含RGB - D相機、慣性測量單元( inertial measurement unit，IMU )、輪式里程計和三維激光雷達(dá)的地面機器人采集。所有這些傳感器都進(jìn)行了良好的校準(zhǔn)和同步，并同時記錄了它們的數(shù)據(jù)。 為了評估前沿SLAM系統(tǒng)的性能，我們在我們的數(shù)據(jù)集上進(jìn)行了測試，證明了這些系統(tǒng)在特定序列上容易發(fā)生漂移和失敗。

以上內(nèi)容來自小六的機器人SLAM學(xué)習(xí)圈知識星球每日更新內(nèi)容